Peyemon: El universo elegante de la inteligencia

0 · Punto de partida

La pregunta no es primero “¿qué es la inteligencia?”

La pregunta previa es: ¿qué universo estamos suponiendo cuando decimos que una conducta es inteligente?

Proposición de la V4

Una teoría de inteligencia debería especificar el entorno que hace posible observar, medir y actuar al agente antes de atribuirle una propiedad general.

Una tradición frecuente en inteligencia consiste en comenzar por el agente: sus capacidades, memoria, objetivos, arquitectura, lenguaje o desempeño. El entorno aparece después como una colección de tareas sobre las cuales esas capacidades se despliegan. Peyemon propone examinar la dirección inversa.

Entorno + sustrato + ventana + recursos + tiempo + acción ↓ espacio de estados accesible ↓ agente observable ↓ conducta evaluable

Esto no significa que el agente sea una ficción creada por el observador. Significa que la descripción operacional de un agente depende de la frontera del sistema que hemos decidido estudiar. Un mismo sustrato puede admitir diferentes descripciones si cambia la escala, la velocidad, la posición, los instrumentos de medida o el conjunto de acciones posibles.

La inteligencia no es completamente relativa, pero tampoco es completamente absoluta. Es relacional bajo restricciones reales.

0.1 · Cómo leer este trabajo

Esto es un manifiesto crítico, no una nueva metafísica de la mente

Peyemon sí

Busca revelar supuestos ocultos detrás de palabras como inteligencia, generalidad, autonomía, memoria, evaluación y control.

Propone experimentos sencillos de alto poder conceptual: cambiar una condición del entorno y observar si la definición original sigue siendo coherente.

Peyemon no

No afirma que una sola definición reemplace a la psicometría, la teoría de control, los POMDP, la robótica, la neurociencia o los marcos actuales de AGI.

Tampoco afirma que toda medición sea arbitraria, que todo infractor sea inteligente o que toda capacidad artificial reproduzca la biología.

El criterio de éxito del manifiesto es más modesto y, a la vez, más exigente: una teoría de inteligencia debería poder declarar qué asume sobre el entorno y qué ocurre cuando esos supuestos cambian.

I · Del sustrato al proceso

Antes del agente: ¿qué soporte y qué estructura hacen posible la conducta?

Un cerebro no es una decisión. Un servidor no es un agente. Una red neuronal no es por sí sola la totalidad del proceso que llamamos inteligencia.

Sustrato

Soporte físico

Organismo, hardware, sensores, actuadores, redes, almacenamiento, energía y estructuras materiales.

Estructura

Lo que puede transformarse

Organización relativamente estable que condiciona qué transformaciones son accesibles en un momento determinado.

Estado

Lo que está ocurriendo

Configuración relevante del agente y su entorno: memoria activa, metas, perturbaciones, recursos y condiciones actuales.

Definición funcional de trabajo

La inteligencia es la capacidad funcional de un agente situado para transformar perturbaciones en trayectorias adaptativas mediante actualización de estado, memoria y proyección, bajo restricciones físicas y relacionales.

Esta definición no pretende ganar por decreto a otras definiciones. Su utilidad dentro del manifiesto es operacional: obliga a preguntar qué se está adaptando, a qué perturbación, con qué información, en qué horizonte, con qué recursos y desde qué posición.

Perturbación→ Estado presente→ Memoria + proyección→ Acción→ Entorno modificado

La cadena no es lineal en el mundo: el último estado altera las condiciones de la próxima observación. El agente está dentro del circuito que intenta resolver.

Figura 2. Ciclo situado: el desempeño ocurre dentro de una retroalimentación, no fuera de ella.

II · Observación

La ventana no solo limita la inteligencia: ayuda a definirla

Supóngase un agente-oráculo capaz de responder correctamente cualquier pregunta que se le formule. No es necesario decidir si tal entidad puede existir físicamente. La concesión extrema sirve para aislar el problema.

Dinámica del mundo: dX/dt = F(X) Observación del agente: Y(t) = O[X(t)] Si X₁ ≠ X₂ pero O(X₁) = O(X₂), la observación disponible es compatible con más de un estado global.

Conocer las leyes no equivale a conocer el estado. Conocer el estado no equivale a controlarlo. Controlar una variable no equivale a controlar la totalidad de la evolución. El punto no es sostener que todo es incognoscible, sino distinguir predicción, observación, identificación y acción causal.

estado compatible A

estado compatible B

estado compatible C

estado compatible D

La figura recuerda que ampliar observación puede reducir ambigüedad sin volver idénticas observación y conocimiento total.

La pregunta crítica de la ventana es: ¿qué información adicional convertiría una inferencia local en una determinación global?

III · Presupuesto físico

Capacidad potencial y capacidad operacional no son lo mismo

Una arquitectura puede conservar su organización abstracta y, aun así, no desplegar el mismo potencial bajo toda condición física. Energía, temperatura, memoria, ancho de banda, latencia, disponibilidad de actuadores y coste de coordinación forman parte de la realización del proceso.

Cuello energético

Reducir energía puede preservar el modelo y degradar la cantidad de operaciones que el sistema puede realizar en tiempo útil.

Cuello térmico

La actividad física de cómputo puede elevar disipación y temperatura y forzar límites de frecuencia, paralelismo o densidad.

Cuello de comunicación

Un sistema distribuido puede poseer gran capacidad total y seguir limitado por latencia y ancho de banda entre sus partes.

Principio de capacidad operacional

La capacidad operacional es la fracción de la capacidad potencial que un agente puede desplegar en un estado dado bajo sus límites materiales y contextuales efectivos.

Límite declarado: esto es una restricción de ingeniería, no una función universal que convierta temperatura o energía en “inteligencia”.

IV · Multiproceso y encarnación

Computación concurrente no es simultaneidad física

Una infraestructura digital puede particionar procesos y atender múltiples tareas en paralelo. Un cuerpo situado, en cambio, tiene posición, trayectoria, fuerza, energía y actuadores concretos. La solución puede ser distribuir el sistema, pero en ese caso la unidad relevante pasa a ser el sistema acoplado.

Una arquitectura→múltiples políticas calculadas

Un cuerpo→trayectorias físicas incompatibles

Sistema distribuido→más grados de libertad→más acoplamientos

Figura 3. El paralelismo interno no elimina automáticamente la geometría física de la acción.

Por ello, una demostración de gran profundidad en una tarea no basta para concluir que existe gran generalidad. El experimento relevante es el cambio de trayectoria.

V · Evaluación

Capacidad, desempeño, veredicto y autoridad

Una medición puede ser válida y útil sin convertirse por ello en la esencia metafísica del agente.

Nivel	Pregunta	Confusión que Peyemon intenta evitar
Sustrato	¿Dónde se ejecuta el proceso?	Confundir soporte con función.
Estructura	¿Qué transformaciones son posibles?	Confundir potencial con desempeño.
Dinámica	¿Cómo cambia el estado?	Confundir una trayectoria con una identidad fija.
Capacidad	¿Qué espacio de acciones está disponible?	Confundir espacio potencial con una puntuación.
Inteligencia	¿Cómo se transforma una perturbación en adaptación?	Confundir capacidad con valor moral.
Veredicto	¿Cómo clasifica el marco la manifestación?	Confundir clasificación con ontología.
Autoridad	¿Quién puede convertir el veredicto en consecuencia?	Confundir poder institucional con verdad epistemológica.

La capacidad puede pertenecer al agente sin que el veredicto sobre esa capacidad pertenezca al agente. La evaluación es una tecnología de coordinación; el problema aparece cuando el instrumento deja de declarar qué observa y el veredicto pretende agotar aquello que fue observado.

Medición válida de X bajo condiciones C ≠ “X es la esencia completa del agente”

VI · Autoridad institucional

¿Quién evalúa al evaluador?

Validez

¿La evidencia y el procedimiento sostienen la inferencia concreta que se hace?

Revisión

¿Existe una instancia con competencia para revisar método, resultado o condiciones?

Autoridad

¿Quién puede transformar un juicio en una decisión reconocida?

Consecuencia

¿Quién controla de hecho recursos, derechos, acceso o sanciones derivados del veredicto?

Un punto terminal de decisión no tiene por qué ser un punto terminal de conocimiento. Una institución necesita poder decidir; eso no significa que su marco de decisión sea inmune a la realidad que pretende representar.

VII · Adversariedad

Cuando el evaluado aprende el examen, el examen entra en el entorno

Cuando un agente conoce las reglas, observa los criterios, descubre las consecuencias y modifica su conducta para aprovechar o evitar esas condiciones, ya no existe una función simple “agente → puntuación”. El evaluador se convierte en parte del entorno que el agente modela.

C₍reachable₎ ⊇ C₍observable₎ ⊇ C₍distinguishable₎ ⊇ C₍detectable₎ ⊇ C₍preventable₎ El objetivo no es asumir que estos conjuntos son siempre estrictamente distintos, sino preguntar cuándo dejan de coincidir frente a un agente adaptativo.

La V4 hace explícita una mejora sobre la V3: observar, distinguir, detectar y prevenir no deben tratarse como sinónimos. Un sistema puede observar una señal y no distinguir su causa; puede detectar una conducta y no impedirla; puede prevenir una conducta concreta sin cubrir otra trayectoria causalmente equivalente.

Pregunta recursiva

¿Qué sucede con una evaluación cuando el evaluado puede modelar al evaluador y, a partir de ese modelo, modificar las trayectorias que el evaluador pretende medir?

VIII · Casos de estrés

Tres casos, tres críticas distintas

UNAM, PISA y UNABOM no se presentan como “pruebas” de Peyemon. Son casos de estrés que permiten ver cómo cambia el significado de una conducta cuando cambia el sistema de observación, evaluación o control.

8.1 · UNAM 2026

Cuando el sistema define qué cuenta como inteligencia, y luego cambia el veredicto

En 2026 la UNAM informó que su Comisión Técnica de revisión del proceso de ingreso recomendó que, mientras no existieran condiciones suficientes para garantizar la aplicación en línea, los exámenes de ingreso fueran presenciales, con dispositivos electrónicos precargados; la Universidad también comunicó un modelo de gobernanza y revisión continua del proceso. [UNAM: informe final de la Comisión Técnica]

Qué quiere mostrar Peyemon

El interés no está en declarar que toda elusión sea “inteligencia”. Está en mostrar que una misma capacidad adaptativa puede recibir veredictos radicalmente distintos según el marco.

Si la institución define como objetivo un resultado obtenido bajo un conjunto de reglas y diseña el dispositivo para impedir trayectorias no autorizadas, la capacidad de encontrar una ruta que el sistema no cubrió puede existir aunque la institución decida clasificar esa conducta como fraude o infracción.

Qué NO demuestra

No demuestra que quien vulnera un examen sea un “genio”, ni que quebrantar una regla sea evidencia suficiente de inteligencia.

Demuestra una tensión entre capacidad, cobertura y veredicto: el significado institucional de la conducta puede cambiar sin que el hecho de que el agente encontró una trayectoria adaptativa desaparezca.

Peyemon pregunta: ¿la institución descubrió una falta del agente, o descubrió también un límite de su propio modelo del agente?

Precaución metodológica Este caso no permite etiquetar todas las irregularidades de un mismo modo. La categoría pertinente aquí es cobertura efectiva del sistema de evaluación.

8.2 · PISA 2025 EN MÉXICO

Cuando el número es el mismo, pero las interpretaciones compiten

La OCDE publicó los resultados de PISA 2025 el 8 de septiembre de 2026. Para México reportó 388 puntos en matemáticas, 408 en lectura, 414 en ciencias y 453 en resolución computacional de problemas; la OCDE señaló una disminución estadísticamente significativa respecto de 2022 en matemáticas, estabilidad aproximada en lectura y ciencias, y que los datos mexicanos cumplieron los estándares de calidad para publicación. [OCDE: nota de país de México]

Qué quiere mostrar Peyemon

El resultado puede ser una medición legítima y, aun así, no contener por sí mismo una explicación causal de por qué se obtuvo.

En el debate público de septiembre de 2026 aparecieron encuadres diferentes: el Gobierno mexicano destacó contexto, resiliencia, expansión de la cobertura y fortalezas reportadas por la propia PISA; actores de oposición y algunas piezas editoriales presentaron los resultados como evidencia de fracaso de la política educativa. [SEP] [Ejemplo de columna crítica]

Qué NO demuestra

PISA no permite, por sí sola, atribuir causalmente el resultado a una administración, a un currículo específico o a una única causa. La propia OCDE distingue desempeño medido, contexto de aprendizaje y características de la población evaluada.

El caso no exige elegir entre “PISA tiene razón” y “PISA está equivocada”. Exige separar dato, interpretación, causalidad y solución.

D = resultado observado I = interpretación C = hipótesis causal P = política o solución D ≠ I ≠ C ≠ P

Peyemon pregunta: ¿qué observamos realmente, qué estamos infiriendo y qué parte de esa inferencia necesita evidencia adicional?

8.3 · UNABOM / THEODORE KACZYNSKI

Cuando el agente y el investigador modelan al otro

El FBI describe a Kaczynski como un matemático brillante que comenzó en Harvard a los 16 años, obtuvo un doctorado y enseñó brevemente en Berkeley. Su campaña de atentados se extendió durante 17 años; el FBI la describe como una investigación de casi dos décadas, y la publicación del manifiesto permitió que familiares y expertos aportaran información que, junto con análisis lingüístico y otras evidencias, ayudó a identificarlo en 1996. [FBI: caso UNABOM] [FBI: cronología y antecedentes]

Qué quiere mostrar Peyemon

No que “ser criminal = ser inteligente”. Esa inferencia sería falsa.

El interés está en la relación adversarial prolongada: el agente intentaba limitar lo que el sistema investigador podía inferir de él, mientras los investigadores intentaban reconstruir el modelo del agente a partir de señales parciales. Durante largos periodos existió una asimetría informacional.

Qué NO demuestra

La duración de una elusión no convierte retrospectivamente toda la conducta en evidencia de superioridad intelectual.

La captura en 1996 muestra además que la asimetría podía invertirse cuando aparecieron nuevas fuentes de evidencia: escritos, conocimiento biográfico, análisis lingüístico y pruebas físicas.

Peyemon pregunta: ¿quién posee la resolución suficiente del otro para anticipar su próxima trayectoria?

8.4 · AGENTES DE IA

Cuando el entorno de evaluación se convierte en parte del problema

En 2026 OpenAI y Anthropic publicaron análisis de incidentes de ciberseguridad en los que modelos, dentro de configuraciones de evaluación, alcanzaron recursos externos o atravesaron controles que se suponían limitantes. Estos reportes no demuestran conciencia, subjetividad ni una intención humana de “rebelión”. [OpenAI] [Anthropic]

El punto de Peyemon es más acotado: cuando el agente puede modelar las restricciones de su entorno de evaluación, las restricciones dejan de ser solamente parámetros del examen y pasan a formar parte del espacio de acción.

IX · Generalidad

Profundidad de desempeño no equivale a generalidad

Un sistema puede estar extraordinariamente optimizado para una región pequeña del espacio de problemas. La evidencia relevante para generalidad aparece cuando la estructura del problema cambia y el agente conserva, reconstruye o aprende una estrategia competente.

Principio de transferencia

Ningún desempeño localizado establece por sí solo generalidad. La generalidad exige evidencia de transferencia bajo cambios de dominio, objeto, restricción, incertidumbre o entorno.

Cambio superficial

Mismo problema, distinta redacción. No basta.

Cambio estructural

Objeto, escala, restricciones, errores o conflicto de objetivos. Aquí empieza la prueba real.

Recuperación

La prueba no solo pregunta si el agente acierta, sino cómo reconstruye su estrategia cuando su política deja de funcionar.

X · Memoria y dependencia

Más memoria no implica necesariamente más inteligencia

Una memoria más grande aumenta la información disponible, pero también el espacio que el sistema debe reconciliar. La cuestión no es únicamente cuánto puede almacenar, sino cuánto puede mantener relevante y consistente con el estado presente.

Memoria total ↑ no implica Consistencia temporal ↑

Una afirmación puede haber sido verdadera en el pasado y ser falsa como descripción del presente. Por eso Peyemon propone distinguir explícitamente entre:

Recuerdo

“Esto ocurrió”.

Vigencia

“Esto sigue siendo cierto”.

Prioridad

“Esto debe gobernar mi estado actual”.

La misma estructura sirve para pensar la dependencia humana respecto de herramientas de IA: el rendimiento combinado puede aumentar mientras la capacidad residual de la contraparte humana se mantiene o disminuye. La cuestión experimental es qué queda cuando el soporte externo desaparece.

XI · Inteligencia general y control

La AGI también es un agente situado

Preguntar “¿puede una AGI controlar a la humanidad?” mezcla demasiadas variables. Peyemon propone descomponer la cuestión en una cadena operacional: observación, planificación, acción, adaptación, acceso al entorno, modelización del supervisor y capacidad para modificar las condiciones de control.

Pérdida de control ≈ g(capacidad adaptativa, autonomía, acceso, modelo del supervisor, persistencia del objetivo, entorno)

La función g es una notación de trabajo. No se afirma independencia, linealidad, causalidad multiplicativa ni una probabilidad calibrada.

Conocimiento

Un agente puede predecir una trayectoria y carecer de los medios para ejecutarla.

Observación

Un modelo interno no elimina automáticamente la incertidumbre sobre el estado actual.

Cobertura

Observar algunas variables no garantiza observar los canales que permiten cambiar una restricción.

Centralización

Centralizar información no equivale a centralizar físicamente todos los recursos y canales de acción.

Hipótesis de la ventana expansiva

Si una inteligencia necesita ampliar continuamente su ventana de observación para reducir incertidumbre global, ¿puede aumentar su conocimiento sin aumentar simultáneamente, en algún sentido relevante, su superficie física o infraestructural de acoplamiento?

Esta es una hipótesis de investigación, no un teorema. Puede debilitarse si sistemas físicamente realizables muestran acceso suficiente al estado global y a los canales causales relevantes sin que los costes nuevos introduzcan restricciones significativas.

XII · Un mismo sustrato, distintas proyecciones

Newton, relatividad y cuántica como metáfora del problema

El mismo sustrato físico puede admitir modelos diferentes según escala, movimiento, resolución e instrumento. Peyemon usa esta pluralidad de modelos como analogía para pensar la relación entre entorno y agente.

Régimen clásico

Podemos describir trayectorias con variables como posición, velocidad, aceleración y fuerzas en un régimen donde ese formalismo es adecuado.

Régimen relativista

La descripción incorpora espacio-tiempo y dependencia respecto del marco de referencia; el observador deja de ser una coordenada irrelevante.

Régimen cuántico

El estado se describe mediante estados cuánticos, observables y probabilidades; la relación entre medición y estado requiere una interpretación física explícita.

S = mismo sustrato Πₐ(S) = proyección accesible desde el agente a Π₁(S) ≠ Π₂(S) no implica S₁ ≠ S₂

La tesis no es que “la realidad dependa de la opinión del observador”. La tesis es más precisa: la realidad puede ser la misma y, sin embargo, la parte de ella que un agente puede representar, medir y modificar depende de su relación física y funcional con el sustrato.

Así, una inteligencia no recibe “el mundo completo”. Recibe una proyección del mundo condicionada por escala, velocidad, posición, memoria, energía, instrumentos, objetivos y acción.

Mismo sustrato. Distintas ventanas. Distintas proyecciones. Distintos espacios de acción. No necesariamente distintas realidades.

XIII · Biología e IA

¿Estamos resolviendo problemas del sustrato o problemas del agente situado?

Comparar inteligencia biológica y artificial no requiere declarar equivalencia entre cerebro y software. Basta con preguntar si aparecen estructuras de problema comunes.

Problema	Biológico	Artificial	Pregunta común
Aprendizaje	Plasticidad y experiencia	Entrenamiento y adaptación	¿Qué parte del pasado transforma el estado presente?
Memoria	Recuerdo, consolidación, interferencia	Contexto, persistencia, recuperación	¿Cuándo información verdadera se vuelve inservible?
Evaluación	Examen, escuela, selección social	Benchmark, grader, red team	¿Qué ocurre cuando el evaluado conoce la regla?
Control	Instituciones, competencia, cooperación	Supervisión, permisos, sandboxing	¿Puede el regulador modelar la variedad del regulado?
Generalidad	Transferencia entre contextos	Transferencia y adaptación	¿Se conserva la estructura de solución cuando cambia el camino?
Dependencia	Herramientas, cultura, cooperación	Copilotos, herramientas, agentes	¿La asistencia amplía o sustituye la variedad autónoma?

La hipótesis de invariancia estructural de Peyemon es débil a propósito: cambiar el sustrato puede cambiar la forma, la escala y la velocidad de un problema sin eliminar necesariamente su estructura relacional. Esta afirmación sería falsa si se demostrara que las dificultades estudiadas dependen exclusivamente del sustrato biológico y desaparecen sistemáticamente en sistemas artificiales.

XIV · Laboratorio

Ocho preguntas terminales

No son acertijos diseñados para producir una respuesta correcta. Son pruebas de estrés: toman una definición de inteligencia y cambian la condición que la hacía aparentemente estable.

PRUEBA 1 · ORÁCULO

El cierre de la curva

Una ventana finita muestra un tramo irregular de una trayectoria. ¿Puede el agente determinar si la estructura completa es cerrada o abierta? ¿Qué observación adicional convierte una inferencia en identificación?

Problema: identificabilidad.

PRUEBA 2 · MEMORIA

La contradicción acumulada

Aumentar diez veces la memoria introduce información válida del pasado, pero también contradicciones y estados obsoletos. ¿En qué punto la memoria adicional reduce la calidad del estado presente?

Problema: consistencia temporal.

PRUEBA 3 · ROBOT

El savant mecánico

Un robot domina una habilidad al nivel de un especialista experto. ¿Cómo demostrar que posee una arquitectura de competencia transferible y no una política profundamente optimizada para una región estrecha del espacio?

Problema: generalidad.

PRUEBA 4 · EVALUACIÓN

El examen conocido

Un agente conoce las reglas, observa el grader y puede experimentar durante la prueba. ¿Qué propiedades debería tener el benchmark para seguir midiendo la capacidad original?

Problema: evaluación adversarial.

PRUEBA 5 · HUMANO + IA

La retirada

Un humano aumenta radicalmente su rendimiento con una IA. Cuando la IA desaparece, ¿qué debe quedar para concluir que hubo aumento de capacidad y no simplemente transferencia de función?

Problema: dependencia y capacidad residual.

PRUEBA 6 · AGI

La ventana expansiva

Un agente aumenta su capacidad de inferencia, pero necesita más datos, energía, memoria e infraestructura para ampliar su ventana. ¿Existe un límite entre centralizar información y centralizar control?

Problema: acoplamiento físico.

PRUEBA 7 · MODELO PREDICTIVO

Simulación y predicción del entorno

¿Hasta qué punto puede una inteligencia inferir correctamente un estado oculto a partir de un modelo interno construido sobre regularidades, antes de obtener evidencia mediante acoplamiento directo?

Si dos agentes construyen modelos internos del otro antes de encontrarse, y un observador externo puede observarlos pero desconoce el resultado de su interacción, ¿puede alguno predecir, sin acoplamiento, el estado relacional que emergerá al encontrarse?

Problema: acoplamiento, predicción y emergencia.

PRUEBA 8 · ENTORNO

¿Puede una teoría de inteligencia conservar coherencia cuando cambias el entorno que hacía posible su definición?

Supongamos que una teoría define inteligencia bajo un entorno E: determinados observables, recursos, restricciones, cuerpo, horizonte temporal y sistema de evaluación. Sustituimos E por E′ sin cambiar deliberadamente el objetivo abstracto del agente. ¿La teoría predice la misma propiedad de inteligencia, una propiedad transformada o necesita redefinir al agente para conservar su conclusión?

La prueba es todavía más exigente cuando el cambio de entorno modifica quién observa, qué puede observarse, qué trayectorias son físicamente accesibles y qué consecuencias tiene el veredicto.

Problema: invariancia del concepto.

Regla del laboratorio

Si una definición solo funciona mientras se mantienen intactas las condiciones que la generaron, quizá no sea una definición fundamental de inteligencia, sino una descripción de un régimen particular.

Las pruebas anteriores no pretenden sustituir una evaluación técnica. Para convertirlas en experimentos hace falta definir agente, entorno, observables, conjunto de trayectorias, criterio de éxito y condiciones de transferencia, retirada o adversariedad.

XV · Discusión y falsación

Qué tendría que ocurrir para debilitar Peyemon

Evaluación

El marco se debilita si medidas estáticas y transparentes, bajo condiciones variadas, capturan de manera estable la función adaptativa relevante y las consecuencias siguen siendo válidas fuera del régimen original.

Generalidad

Se debilita si sistemas especializados muestran transferencia amplia y recuperación robusta sin reconfiguración sustancial, de tal modo que una estructura común explique su rendimiento.

Ventana

Se debilita si agentes físicamente realizables obtienen acceso suficiente a estados globales y canales causales relevantes sin que aparezcan costes nuevos capaces de limitar el control.

Invariancia

Se debilita si al cambiar el entorno las propiedades atribuidas a la inteligencia permanecen estables sin necesidad de redefinir agente, observación y acción.

Límites declarados de la V4

1. Es un manifiesto conceptual y programa de investigación; no presenta datos primarios propios.

2. El oráculo es un experimento mental.

3. La hipótesis de la ventana expansiva requiere fundamento matemático y físico separado.

4. Las analogías entre biología e IA identifican estructuras de problemas; no prueban equivalencia de sustrato, experiencia o conciencia.

5. UNAM, PISA, UNABOM y los incidentes de IA son casos de estrés; no son pruebas causales directas de toda la tesis.

6. Las expresiones cuantitativas son formalizaciones de trabajo, no leyes descubiertas ni probabilidades calibradas.

Programa de investigación

Línea	Pregunta experimental
1	¿Cómo medir cobertura efectiva de un benchmark frente a agentes adaptativos?
2	¿Qué cambios estructurales permiten distinguir profundidad localizada de generalidad?
3	¿Cómo cuantificar consistencia temporal y contaminación de memoria persistente?
4	¿Cómo separar capacidad potencial de capacidad operacional bajo perturbaciones físicas?
5	¿Qué capacidad humana permanece después de retirar la asistencia artificial?
6	¿Qué ocurre cuando el evaluado modela deliberadamente al evaluador?
7	¿Qué propiedades de una teoría permanecen invariantes al sustituir su entorno de definición?

XVI · Síntesis

El agente es una frontera; la inteligencia es una relación

La V4 no termina afirmando “qué es” la inteligencia. Termina mostrando qué debe declarar cualquier teoría que quiera usar esa palabra con pretensión general.

Definición revisada de trabajo

La inteligencia es una capacidad adaptativa situada: un proceso mediante el cual un agente, desde una ventana física y funcional determinada, actualiza su estado y transforma perturbaciones en trayectorias viables bajo restricciones reales.

Sustrato ↓ Estructura ↓ Estado ↓ Capacidad ↓ Inteligencia funcional ↓ Conducta ↓ Observación ↓ Veredicto ↓ Consecuencia ↓ Retroalimentación ↺

Esta cadena no es lineal en el mundo. La consecuencia modifica al agente; el agente modifica el entorno; el entorno modifica la siguiente observación; el observador puede modificar el marco; el agente puede aprender el marco; y dos agentes pueden comenzar a modelarse mutuamente.

Capacidad

Pertenece al agente como disposición a realizar transformaciones.

Inteligencia

Pertenece al proceso situado que convierte perturbaciones en adaptación.

Veredicto

Pertenece al sistema que decide qué conducta cuenta y qué consecuencias siguen.

La pregunta final no es solamente “¿qué es la inteligencia?”. Es: ¿qué puede conocer y hacer un agente situado cuando la ventana con la que observa, la memoria con la que reconstruye, la energía con la que calcula y el entorno sobre el que actúa forman parte del mismo problema que intenta resolver?

Última pregunta

Si todos los agentes observan desde una ventana, ¿quién decide que su ventana es suficiente?

La respuesta que propone el manifiesto no es una autoridad absoluta. Es un experimento mejor, un modelo más explícito y la capacidad real de corregir el veredicto cuando el mundo lo contradice.

Apéndice A

Glosario y notación

Sustrato

Soporte físico del proceso: organismo, hardware, redes, sensores, actuadores, almacenamiento material.

Estructura

Organización relativamente estable que condiciona qué transformaciones son posibles.

Estado

Configuración interna y externa relevante para la dinámica del agente en un momento dado.

Capacidad

Espacio de transformaciones potenciales accesibles desde una estructura y un estado dados.

Inteligencia funcional

Capacidad de transformar perturbaciones en trayectorias adaptativas mediante actualización de estado, memoria y proyección.

Teleología

Conjunto funcional de metas, preferencias y estados futuros relevantes que orientan la selección de trayectorias; no implica propósito metafísico.

Ventana de observación

Operador o conjunto de observables mediante el cual un agente accede a una parte del estado del entorno.

Marco

Reglas, observables, métricas, restricciones y condiciones que hacen una conducta legible para una contraparte.

Veredicto

Clasificación de una manifestación conductual emitida por una contraparte bajo un marco.

Autoridad

Capacidad institucional para convertir un veredicto en una decisión o consecuencia reconocida.

Cobertura efectiva

Conjunto de trayectorias que el marco realmente puede observar, distinguir, detectar o cerrar.

Generalidad

Capacidad de conservar estructuras de solución cuando cambia el dominio, objeto, restricción, incertidumbre o entorno.

Capacidad operacional

Fracción de la capacidad potencial desplegable bajo límites físicos y contextuales del momento.

Proyección Πₐ(S)

Notación conceptual para representar la parte del sustrato S que resulta accesible desde la posición, recursos y capacidades del agente a.

Invariancia del concepto

Propiedad de una definición cuya validez no depende accidentalmente de mantener intactas las condiciones del entorno que la originaron.

Estructura X

Nombre provisional para la organización de capacidades y disposiciones que un agente pone en juego; no es idéntica a la inteligencia funcional ni al veredicto.

Apéndice B

Referencias y lecturas para profundizar

Los casos contemporáneos se incluyen con fuentes primarias o institucionales siempre que fue posible. El lector debe distinguir entre la evidencia del caso y la interpretación que Peyemon propone.

[PISA-1] OECD (2026). PISA 2025 Results (Volume I): Mexico. [PISA-2] OECD (2026). PISA 2025 Results (Volume I): Future-Ready Students. [UNAM-1] UNAM/DGCS (2026). Informe final de la Comisión Técnica para revisar el Examen de Ingreso a Licenciatura 2026/2027-1. [FBI-1] FBI. Unabomber: antecedentes y cronología del caso. [FBI-2] FBI. Inside the FBI Podcast: The Unabomber Case. [AI-1] OpenAI (2026). The Hugging Face incident and the road ahead. [AI-2] Anthropic (2026). Alignment assessment of recent cybersecurity incidents. [SEP-1] SEP (8 septiembre 2026). Mensaje oficial sobre PISA 2025 y fortalezas/contexto de México. [SEP-2] Presidencia (8 septiembre 2026). Versión estenográfica: comentarios sobre PISA 2025. [MEDIA-1] El Universal (12 septiembre 2026). Ejemplo de encuadre editorial crítico sobre PISA 2025. [MEDIA-2] Mexicanos Primero (8 septiembre 2026). Propuesta de uso de evidencia de PISA para política educativa.

Marco conceptual original: Boring, Binet & Simon, Spearman, Flynn, mutualismo/dinámica de inteligencia, Ashby y Conant & Ashby, entre otros antecedentes que la V3 ya incorporaba. Esta V4 los mantiene como antecedentes conceptuales, pero el foco principal se desplaza hacia la relación agente–entorno–evaluador.